面向人臉識別的流形正則化判別特征提取算法研究.pdf

1、人臉識別由于其自然、直觀、非接觸、安全、快捷等特點,是一項極具發(fā)展?jié)摿Φ纳锾卣髯R別技術(shù)。人臉識別技術(shù)又是一個非?；钴S的研究領(lǐng)域,涉及計算機(jī)視覺、模式識別、圖像處理、機(jī)器學(xué)習(xí)和認(rèn)知科學(xué)等多門學(xué)科。對人臉識別技術(shù)的研究具有重要的理論意義和應(yīng)用價值。如何有效地從人臉圖像中提取鑒別特征,是人臉識別需要解決的關(guān)鍵問題。子空間方法是目前眾多特征提取技術(shù)中的主流方法。一般認(rèn)為,人臉從某種意義上來說是一種流形結(jié)構(gòu),人臉數(shù)據(jù)集是由某些內(nèi)在變量控制形成的

2、非線性流形?；诹餍螌W(xué)習(xí)的人臉識別研究引起了人們的廣泛關(guān)注。本文在人臉識別的研究背景下,在不同的算法發(fā)展框架下,針對保局子空間特征提取方法中存在的樣本擴(kuò)展、參數(shù)自適應(yīng)選擇、判別擴(kuò)展、非線性核擴(kuò)展、非負(fù)擴(kuò)展和小樣本尺寸(SSS)等問題,進(jìn)行了流形正則化判別特征提取的算法研究,并通過標(biāo)準(zhǔn)人臉數(shù)據(jù)庫仿真實驗驗證了它們的有效性。本研究主要內(nèi)容包括：
　?、裴槍€性判別分析沒有考慮數(shù)據(jù)內(nèi)在局部幾何結(jié)構(gòu),難以有效應(yīng)對對齊裁剪且具有較大照明、表

3、情變化人臉識別問題的缺點,在圖嵌入算法發(fā)展框架下,提出兩種嵌入鄰域關(guān)系的判別分析方法。其中零空間判別投射(NDPE)算法采用能夠同時約簡噪音和增強(qiáng)內(nèi)在差的預(yù)降維方法,并有效地利用了類內(nèi)局部散度矩陣零空間中的判別信息。為避免稠密矩陣特征分解并減少判別信息損失,進(jìn)一步提出基于譜回歸求解方法的正交保局判別映射(SROLPDM)算法。為提高識別性能,分別提出基于選擇后的雙樹復(fù)小波特征與人臉圖像特征的得分層和復(fù)數(shù)特征融合人臉識別方法。
　　

4、⑵針對流形學(xué)習(xí)方法存在樣本擴(kuò)展并且沒有充分利用樣本類別標(biāo)簽信息,不適用于具有較大照明、表情或姿態(tài)變化人臉識別問題的缺點,在片排列框架內(nèi)提出一種稱為判別改進(jìn)局部切空間排列(DILTSA)的特征提取方法。該方法基于改進(jìn)型局部切空間排列(ILTSA),分別保持類內(nèi)與類間樣本的局部幾何關(guān)系并進(jìn)行全局排列。所提方法采用散度差形式的目標(biāo)準(zhǔn)則,完全避免了小樣本尺寸問題。為進(jìn)一步提高識別性能,提出增強(qiáng)型Gabor-like小波,在此基礎(chǔ)上提出以多分辨率

5、小波特征或融合特征作為DILTSA輸入的人臉識別方法。
　　⑶針對保局子空間特征提取的參數(shù)自適應(yīng)選擇和非負(fù)判別擴(kuò)展問題,以具有較大遮蓋或表情變化的人臉識別問題為應(yīng)用背景,基于結(jié)合改進(jìn)最大間隔準(zhǔn)則和稀疏學(xué)習(xí)方法,設(shè)計判別形式的局部保持目標(biāo)函數(shù),首先提出稱為最大間隔稀疏表示判別映射(MSRDM)的特征提取算法。在此基礎(chǔ)上,結(jié)合非負(fù)矩陣分解(NMF)的部分表示特點,提出一種判別鄰域間隔正則化非負(fù)矩陣分解(DNMRNMF)算法。該算法能夠

6、在最小化逼近誤差的同時,使類內(nèi)樣本更加緊湊,類間樣本更加遠(yuǎn)離。
　　⑷針對線性保局子空間特征提取方法,難以有效應(yīng)對外觀變化復(fù)雜人臉識別問題的缺點,提出一種正則化核判別局部樣條嵌入(RKDLSE)特征提取方法。該方法基于對局部樣條嵌入(LSE)的線性逼近和非線性核判別擴(kuò)展,通過采用不同的方法建模局部類內(nèi)和類間散度矩陣,采用類內(nèi)散度矩陣特征值正則化的求解方法,解決了目標(biāo)函數(shù)求解中的矩陣奇異問題。此外,基于新提出的WLTSA非線性降維方